Aufgaben:Aufgabe 2.2: Mehrstufensignale: Unterschied zwischen den Versionen

Aus LNTwww
Wechseln zu:Navigation, Suche
 
Zeile 59: Zeile 59:
 
:$$m_{\it x}=\rm \sum_{\mu=0}^{\it M-{\rm 1}} \it p_\mu\cdot x_{\mu}=\frac{\rm 1}{\it M} \cdot \sum_{\mu=\rm 0}^{\it M-\rm 1}\mu=\frac{\rm 1}{\it M}\cdot\frac{(\it M-\rm 1)\cdot \it M}{\rm 2}=\frac{\it M-\rm 1}{\rm 2}.$$
 
:$$m_{\it x}=\rm \sum_{\mu=0}^{\it M-{\rm 1}} \it p_\mu\cdot x_{\mu}=\frac{\rm 1}{\it M} \cdot \sum_{\mu=\rm 0}^{\it M-\rm 1}\mu=\frac{\rm 1}{\it M}\cdot\frac{(\it M-\rm 1)\cdot \it M}{\rm 2}=\frac{\it M-\rm 1}{\rm 2}.$$
  
Im Sonderfall $M= 5$ ergibt sich der lineare Mittelwert zu  $m_x \;\underline{= 2}$.
+
*Im Sonderfall  $M= 5$  ergibt sich der lineare Mittelwert zu  $m_x \;\underline{= 2}$.
 +
 
  
  
Zeile 65: Zeile 66:
 
:$$m_{\rm 2\it x}= \rm \sum_{\mu=0}^{\it M -\rm 1}\it p_\mu\cdot x_{\mu}^{\rm 2}=\frac{\rm 1}{\it M}\cdot \sum_{\mu=\rm 0}^{\rm M-1}\mu^{\rm 2} =  \frac{\rm 1}{\it M}\cdot\frac{(\it M-\rm 1)\cdot \it M\cdot(\rm 2\it M-\rm 1)}{\rm 6} = \frac{(\it M-\rm 1)\cdot(\rm 2\it M-\rm 1)}{\rm 6}.$$
 
:$$m_{\rm 2\it x}= \rm \sum_{\mu=0}^{\it M -\rm 1}\it p_\mu\cdot x_{\mu}^{\rm 2}=\frac{\rm 1}{\it M}\cdot \sum_{\mu=\rm 0}^{\rm M-1}\mu^{\rm 2} =  \frac{\rm 1}{\it M}\cdot\frac{(\it M-\rm 1)\cdot \it M\cdot(\rm 2\it M-\rm 1)}{\rm 6} = \frac{(\it M-\rm 1)\cdot(\rm 2\it M-\rm 1)}{\rm 6}.$$
  
Im Sonderfall $M= 5$ ergibt sich der quadratische Mittelwert zu $m_{2x} {=6}$. Daraus kann die Varianz mit dem Satz von Steiner berechnet werden:
+
*Im Sonderfall $M= 5$  ergibt sich der quadratische Mittelwert zu  $m_{2x} {=6}$.  
 +
*Daraus kann die Varianz mit dem Satz von Steiner berechnet werden:
 
:$$\sigma_x^{\rm 2}=m_{\rm 2\it x}-m_x^{\rm 2}=\frac{(\it M-\rm 1)\cdot(\rm 2\it M-\rm 1)}{\rm 6}-\frac{(\it M-\rm 1)^{\rm 2}}{\rm 4}=\frac{\it M^{\rm 2}-\rm 1}{\rm 12}.$$
 
:$$\sigma_x^{\rm 2}=m_{\rm 2\it x}-m_x^{\rm 2}=\frac{(\it M-\rm 1)\cdot(\rm 2\it M-\rm 1)}{\rm 6}-\frac{(\it M-\rm 1)^{\rm 2}}{\rm 4}=\frac{\it M^{\rm 2}-\rm 1}{\rm 12}.$$
  
Im Sonderfall $M= 5$ ergibt sich für die Varianz  $\sigma_x^2 \;\underline{= 2}$.
+
*Im Sonderfall  $M= 5$  ergibt sich für die Varianz  $\sigma_x^2 \;\underline{= 2}$.
  
  
'''(3)'''  Aufgrund der Symmetrie von $y$ gilt unabhängig von $M$:  
+
 
 +
'''(3)'''  Aufgrund der Symmetrie von  $y$  gilt unabhängig von  $M$:  
 
:$$m_x \;\underline{= 2}.$$
 
:$$m_x \;\underline{= 2}.$$
  
  
'''(4)'''  Zwischen $x(t)$  und $y(t)$ gilt folgender Zusammenhang:  
+
 
 +
'''(4)'''  Zwischen  $x(t)$  und  $y(t)$  gilt folgender Zusammenhang:  
 
:$$y(t)=\frac{2\cdot  y_{\rm 0}}{M-\rm 1}\cdot \big[x(t)-m_x\big].$$
 
:$$y(t)=\frac{2\cdot  y_{\rm 0}}{M-\rm 1}\cdot \big[x(t)-m_x\big].$$
  
Daraus folgt für die Varianzen:
+
*Daraus folgt für die Varianzen:
 
:$$\sigma_y^{\rm 2}=\frac{4\cdot y_{\rm 0}^{\rm 2}}{( M - 1)^{\rm 2}}\cdot \sigma_x^{\rm 2}=\frac{y_{\rm 0}^{\rm 2}\cdot (M^{\rm 2}-1)}{3\cdot (M- 1)^{\rm 2}}=\frac{y_{\rm 0}^{\rm 2}\cdot ( M+ 1)}{ 3\cdot ( M- 1)}.$$
 
:$$\sigma_y^{\rm 2}=\frac{4\cdot y_{\rm 0}^{\rm 2}}{( M - 1)^{\rm 2}}\cdot \sigma_x^{\rm 2}=\frac{y_{\rm 0}^{\rm 2}\cdot (M^{\rm 2}-1)}{3\cdot (M- 1)^{\rm 2}}=\frac{y_{\rm 0}^{\rm 2}\cdot ( M+ 1)}{ 3\cdot ( M- 1)}.$$
  
Im Sonderfall $M= 5$ ergibt sich hierfür:
+
*Im Sonderfall  $M= 5$  ergibt sich hierfür:
 
:$$\it \sigma_y^{\rm 2}= \frac {\it y_{\rm 0}^{\rm 2} \cdot {\rm 6}}{\rm 3 \cdot 4}\hspace{0.15cm} \underline{=\rm2\,V^{2}}.$$
 
:$$\it \sigma_y^{\rm 2}= \frac {\it y_{\rm 0}^{\rm 2} \cdot {\rm 6}}{\rm 3 \cdot 4}\hspace{0.15cm} \underline{=\rm2\,V^{2}}.$$
  

Aktuelle Version vom 13. November 2019, 11:44 Uhr

Zwei ähnliche Mehrstufensignale

Das Rechtecksignal  $x(t)$  sei dimensionslos und kann nur die Momentanwerte  $0, \ 1, \ 2, \ \text{...} \ , \ M-2, \ M-1$  mit gleicher Wahrscheinlichkeit annehmen. Die obere Grafik zeigt dieses Signal für den Sonderfall  $M = 5$.


Auch das Rechtecksignal  $y(t)$  ist  $M$–stufig, aber mittelwertfrei und auf den Bereich von  $y > -y_0$  bis  $y < +y_0$  beschränkt.


In der unteren Grafik sehen Sie das Signal  $y(t)$, wiederum für die Stufenzahl  $M = 5$.




Hinweise:



Fragebogen

1

Wie groß ist der lineare Mittelwert  $m_x$  der Zufallsgröße  $x$  für  $M= 5$?

$m_x \ = \ $

2

Wie groß ist die Varianz  $\sigma_x^2$  der Zufallsgröße  $x$  allgemein und für  $M= 5$?

$\sigma_x^2\ = \ $

3

Berechnen Sie den Mittelwert  $m_y$  der Zufallsgröße  $y$  für  $M= 5$.

$m_y \ = \ $

$\ \rm V$

4

Wie groß ist die Varianz  $\sigma_y^2$  der Zufallsgröße  $y$?  Berücksichtigen Sie dabei das Ergebnis aus  (2).  Welcher Wert ergibt sich wiederum für  $M= 5$?

$\sigma_y^2\ = \ $

$\ \rm V^2$


Musterlösung

(1)  Man erhält durch Mittelung über alle möglichen Signalwerte für den linearen Mittelwert:

$$m_{\it x}=\rm \sum_{\mu=0}^{\it M-{\rm 1}} \it p_\mu\cdot x_{\mu}=\frac{\rm 1}{\it M} \cdot \sum_{\mu=\rm 0}^{\it M-\rm 1}\mu=\frac{\rm 1}{\it M}\cdot\frac{(\it M-\rm 1)\cdot \it M}{\rm 2}=\frac{\it M-\rm 1}{\rm 2}.$$
  • Im Sonderfall  $M= 5$  ergibt sich der lineare Mittelwert zu  $m_x \;\underline{= 2}$.


(2)  Analog gilt für den quadratischen Mittelwert:

$$m_{\rm 2\it x}= \rm \sum_{\mu=0}^{\it M -\rm 1}\it p_\mu\cdot x_{\mu}^{\rm 2}=\frac{\rm 1}{\it M}\cdot \sum_{\mu=\rm 0}^{\rm M-1}\mu^{\rm 2} = \frac{\rm 1}{\it M}\cdot\frac{(\it M-\rm 1)\cdot \it M\cdot(\rm 2\it M-\rm 1)}{\rm 6} = \frac{(\it M-\rm 1)\cdot(\rm 2\it M-\rm 1)}{\rm 6}.$$
  • Im Sonderfall $M= 5$  ergibt sich der quadratische Mittelwert zu  $m_{2x} {=6}$.
  • Daraus kann die Varianz mit dem Satz von Steiner berechnet werden:
$$\sigma_x^{\rm 2}=m_{\rm 2\it x}-m_x^{\rm 2}=\frac{(\it M-\rm 1)\cdot(\rm 2\it M-\rm 1)}{\rm 6}-\frac{(\it M-\rm 1)^{\rm 2}}{\rm 4}=\frac{\it M^{\rm 2}-\rm 1}{\rm 12}.$$
  • Im Sonderfall  $M= 5$  ergibt sich für die Varianz  $\sigma_x^2 \;\underline{= 2}$.


(3)  Aufgrund der Symmetrie von  $y$  gilt unabhängig von  $M$:

$$m_x \;\underline{= 2}.$$


(4)  Zwischen  $x(t)$  und  $y(t)$  gilt folgender Zusammenhang:

$$y(t)=\frac{2\cdot y_{\rm 0}}{M-\rm 1}\cdot \big[x(t)-m_x\big].$$
  • Daraus folgt für die Varianzen:
$$\sigma_y^{\rm 2}=\frac{4\cdot y_{\rm 0}^{\rm 2}}{( M - 1)^{\rm 2}}\cdot \sigma_x^{\rm 2}=\frac{y_{\rm 0}^{\rm 2}\cdot (M^{\rm 2}-1)}{3\cdot (M- 1)^{\rm 2}}=\frac{y_{\rm 0}^{\rm 2}\cdot ( M+ 1)}{ 3\cdot ( M- 1)}.$$
  • Im Sonderfall  $M= 5$  ergibt sich hierfür:
$$\it \sigma_y^{\rm 2}= \frac {\it y_{\rm 0}^{\rm 2} \cdot {\rm 6}}{\rm 3 \cdot 4}\hspace{0.15cm} \underline{=\rm2\,V^{2}}.$$